假设某企业累积了如下表格所示的销售数据：

表格中的每一行存储了某个时间段内某种产品在某地区的销售情况。

在对这样的表数据进行分析时，不同的企业角色都会基于自己感兴趣的业务角度提出相关的问题，比如：

销售经理关心各个地区的销售额，希望找出月销售增长率在平均水平之下的地区；

产品经理需要了解近期内不同产品的销售额对比，便于做后期的产品研发；

总经理想要了解最近半年的产品销售总额，便于调整企业后期的运营······

这些问题中的业务角度，比如地区、产品、时间就是维度，“销售额”就是测度。

在专业术语中，可以这样理解 BI 多维分析中的几个核心概念：

cube

把上图二维表的地区、日期、产品、销售额数据转化为三维立方体格式：

这个数据立方体就是一个典型的 cube，它的每一个坐标轴都代表一个业务角度（时间、地区、产品），坐标轴上的坐标值则表示了某个业务角度的一个确定的值（如：天津、1 月份、电脑），不同坐标轴坐标值的交叉点则表示一个具体的销售额。

cube 可以理解成是一个多维数据集，在多维分析中使用者需要基于一个结果集进行拖拽分析，这个结果集就 cube 了，多维分析针对 cube 进行查询、切片、钻取等操作。

维度

维度是人们观察数据的角度。比如“哪种产品销量最好？”主要关注的是产品维度， “哪些地区连续六个月销售额环比增长？”则同时关注了地区和日期两个维度。

数据立方体中，维度可以被抽象理解成一个坐标轴。比如在上面的 cube 中有三个维度：地区、时间、产品，分别对应三维空间的一个坐标轴。维度成员就可以被抽象理解成坐标轴上的坐标值，比如“1 月”、“2 月”这两个维度成员同属于时间维度，它们各自表示了时间维度下一个具体的时间段。

维度存在不同的级别，也就是维度成员所描述业务角度的细节程度，可以理解为通过维度成员观察数据的粒度。例如日期维度中 2011 年、1 月这两个成员，分别属于年份、月份两个不同的级别，显而易见，年份级别的维度成员描述数据的粒度较为宽泛，月份级别则较为细致。

测度

测度是决策者所关心的具有实际意义的数值，比如销售额。

在一个数据立方体中，从每个维度上都选取一个确定的维度成员，这些维度成员组合所确定的一个点就是测度值。

比如，在这个 cube 中，日期维度：1 月、地区维度：天津、产品维度：电脑就确定了一个最细粒度的数据方块，这个小数据方块就是销售额 5320 这个测度值，它表示“天津地区 1 月电脑产品的销售额是 5320”。

在了解了多维分析的核心概念之后，我们来看一下在多维分析操作页面是什么样的对应关系。

操作演示

安装润乾报表后，启动自带 demo 应用

1、 访问分析界面

URL：http://localhost:6868/demo/raqsoft/guide/jsp/olap.jsp

2、 选择数据集，并拖拽生成分析报表

这里采用预先准备的 Excel 数据文件。

这里的 excel 文件数据集就可以理解为是多维数据集（cube）；

在多维分析页面中，签单月、地区是维度，销售额是测度。

使用者可以在多维分析页面操作维度、测度，实现数据统计分析需求。比如统计某个地区下的销售累计：

某个地区某月销售额与全年销售额的占比：

按签单年、月、日查询产品销售额，并逐级汇总，分析不同时间粒度下的数据：